Metode Analisis

3.5 Metode Analisis

  Penelitian ini dengan menggunakan pendekatan kuantitatif. Secara umum, pendekatan kuantitatif lebih fokus pada tujuan untuk generalisasi, dengan melakukan pengujian statistik dan steril dari pengaruh subjektif peneliti (Sekaran, 1992). Alat analisis yang digunakan dalam penelitian ini adalah analisis regresi linier berganda. Analisis regresi berganda adalah analisis mengenai beberapa variabel independen dengan satu variabel dependen. Secara umum, analisis regresi adalah analisis mengenai variable independen dengan variabel dependen yang bertujuan untuk mengestimasi nilai rata-rata variabel dependen berdasarkan nilai variabel independen yang diketahui (Gujarati, 2003). Teknik yang digunakan untuk mencari nilai persamaan regresi yaitu dengan analisis Least Squares (kuadrat terkecil) dengan meminimalkan jumlah dari kuadrat kesalahan.

  Metode Analisis Data yang digunakan dalam penelitian ini adalah

  Analisis Kuantitatif yang merupakan analisis perhitungan terhadap angka-angka dan perbandingan untuk menarik kesimpulan. Dalam analisis regresi selain mengukur seberapa besar hubungan antara variabel independen dengan variabel dependen, juga menunjukkan bagaimana hubungan antara variabel independen dengan dependen, sehingga dapat membedakan variabel independen dengan variabel dependen tersebut (Ghozali, 2006). Dimana dalam penelitian ini, dua komponen dari pendapatan daerah yaitu PAD, dan DAU sebagai variabel independen, akan dianalisis pengaruhnya terhadap alokasi belanja daerah yang diukur dengan belanja tidak langsung dan belanja langsung sebagai variabel dependen. Beberapa langkah yang dilakukan dalam analisis regresi linier masing– masing akan dijelaskan di bawah ini:

3.5.1 Statistik Deskriptif

  Penyajian statistik deskriptif bertujuan agar dapat dilihat profil dari data penelitian tersebut dengan hubungan yang ada antar variabel yang digunakan dalam penelitian tersebut.

3.5.2 Pengujian Asumsi Klasik

  Pengujian regresi linier berganda dapat dilakukan setelah model dari penelitian ini memenuhi syarat-syarat yaitu lolos dari asumsi klasik. Syarat-syarat yang harus dipenuhi adalah data tersebut harus terdistribusikan secara normal, tidak mengandung multikoloniaritas, dan heterokedastisitas. Untuk itu sebelum melakukan pengujian regresi linier berganda perlu dilakukan lebih dahulu pengujian asumsi klasik, yang terdiri dari:

3.5.2.1 Uji Normalitas

  Pengujian normalitas memiliki tujuan untuk menguji apakah dalam model regresi, variabel penganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Untuk menguji normalitas data, penelitian ini menggunakan analisis grafik. Pengujian normalitas melalui analisis grafik adalah dengan cara menganalisis grafik normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Data dapat dikatakan normal jika data atau titik-titk terbesar di sekitar garis diagonal dan penyebarannya mengikuti garis diagonal. Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik atau dengan melihat histrogram dari residualnya. Dasar pengambilan keputusan:

  • Jika data menyebar disekitar garis diagonal dan mengikuti arah garis

  diagonal atau grafik histrogramnya menunjukan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.

  • Jika data menyebar lebih jauh dari diagonal danatau tidak mengikuti arah

  garis diagonal atau grafik histrogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas (Ghozali, 2006).

3.5.2.2 Uji Multikolinearitas

  Uji Multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (Ghozali, 2006). Uji multikolonieritas ini digunakan karena pada analisis regresi terdapat asumsi yang mengisyaratkan bahwa variabel independen harus terbebas dari gejala multikolonieritas atau tidak terjadi korelasi antar variabel independen. Cara untuk mengetahui apakah terjadi multikolonieritas atau tidak yaitu dengan melihat nilai Tolerance dan Variance Inflation Factor (VIF). Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Dalam pengertian sederhana setiap variable independen menjadi variabel dependen (terikat) dan diregresi terhadap variable independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai Tolerance yang rendah sama dengan nilai VIF tinggi (karena VIF = 1Tolerance). Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai Tolerance <0,10 atau sama dengan nilai VIF>10 (Ghozali, 2006).

3.5.2.3 Uji Heteroskedastisitas

  Pengujian ini memiliki tujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain atau untuk melihat penyebaran data. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut Homokedastisitas dan jika berbeda disebut Heteroskedastisitas. Model regresi yang baik adalah tidak terdapat heteroskedastisitas.

  Uji ini dapat dilakukan dengan melihat gambar plot antara nilai prediksi variabel independen (ZPRED) dengan residualnya (SRESID). Apabila dalam grafik tersebut tidak terdapat pola tertentu yang teratur dan data tersebar secara acak di atas dan di bawah angka 0 pada sumbu Y, maka diidentifikasikan tidak terdapat heteroskedastisitas (Ghozali,2006).

3.5.3 Model Regresi

  Alat analisis yang digunakan adalah analisis regresi berganda linier yang digunakan untuk melihat pengaruh pendapatan yaitu Kemandirian Daerah terhadap pengeluaran pemerintah yang berupa belanja modal. Data diolah dengan bantuan software SPSS seri 17.00. Pengujian hipotesis dilakukan dengan menggunakan model analisis regresi variabel independen terhadap variabel dependen (sekaran, 1992). Ada dua persamaan regresi, persamaan regresi adalah: Y1= α+ b1 X1+ b2 X2+ b3 X3+ b4 X4+ b5 X5+ b6 X6 + e1 dan

  Z1= α+ b1Y1+ e2 dimana : Y1 = Belanja Modal Z1 = Pertumbuhan Ekonomi X1 = Kemandirian Daerah X2 = Efektivitas Keuangan Daerah X3 = Efisiensi Keuangan Daerah X4 = SiLPA X5 = Luas Wilayah X6 = Dana Alokasi Khusus

  Y1 = Belanja Modal jenis Pelayanan Publik Z1 = Pertumbuhan Ekonomi b1 b2 = koefisien regresi untuk masing-masing variabel X

3.5.4 Pengujian Hipotesis

  Ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat diukur dari Goodness of Fitnya. Secara statistik, setidaknya ini dapat diukur dari nilai koefisien determinasi, nilai statistik F dan nilai statistik t. Perhitungan statistic disebut signifikan secara statistik apabila nilai uji statistiknya berada dalam daerah kritis (daerah dimana Ho ditolak). Sebaliknya disebut tidak signifikan bila nilai uji statistiknya berada dalam daerah dimana Ho diterima (Ghozali, 2006).

3.5.4.1 Koefisien Determinasi

  Koefisien determinasi (R 2 ) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel independen.

  Koefisien determinasi ini digunakan karena dapat menjelaskan kebaikan dari model regresi dalam memprediksi variabel dependen. Semakin tinggi nilai koefisien determinasi maka akan semakin baik pula kemampuan variabel independen dalam menjelaskan variabel dependen (Ghozali, 2006). Nilai koefisien determinasi adalah antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabelvariabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.

  64

3.5.4.2 Uji Signifikansi Simultan (Uji Statistik F)

  Uji Statistik F pada dasarnya menunjukkan apakah semua variable independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen (Ghozali, 2006). Cara untuk mengetahuinya yaitu dengan membandingkan nilai F hitung dengan nilai F tabel. Apabila nilai F hitung lebih besar daripada nilai F tabel, maka hipotesis alternative diterima artinya semua variabel independen secara bersama-sama dan signifikan mempengaruhi variabel dependen.

3.5.4.3 Uji Signifikansi Parameter Individual (Uji Statistik t)

  Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variable dependen (Ghozali, 2006). Uji statistik t ini digunakan karena untuk memperoleh keyakinan tentang kebaikan dari model regresi dalam memprediksi. Cara untuk mengetahuinya yaitu dengan membandingkan nilai t hitung dengan nilai t tabel. Apabila nilai t hitung lebih besar dibandingkan dengan nilai t tabel maka berarti t hitung tersebut signifikan artinya hipotesis alternatif diterima yaitu variabel independen secara individual mempengaruhi variabel dependen. Selain itu, bisa juga dilakukan dengan melihat p-value dari masing-masing variabel. Hipotesis diterima apabila p-value < 5 (Ghozali, 2006).